MCP Agent Base

MCPAI代理

提供方 gisetia

AI代理 未标注 无需鉴权 社区 / 第三方 Claude

一个基于FastAPI的轻量级服务,提供与OpenAI兼容的聊天补全端点,支持Anthropic Claude模型和MCP工具调用。

一句话选型结论

按资料字段整理

MCP Agent Base 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

API代理Python本地部署聊天补全Claude模型MCP工具调用FastAPI

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Agent Base当前 未标注 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方gisetia上游标注的维护方 gisetia
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.1 KB
来自项目仓库与上游目录的原文,未做删改

MCP代理库

最小的FastAPI服务,公开了与OpenAI兼容的 /chat/completions 端点由Anthropic Claude支持,具有MCP工具调用和SSE流。

如何运行

  • 要求:Python 3.10+。安装deps: pip install -e . (或 pip install -e .[dev] 用于测试)。
  • 本地服务器: uvicorn base_agent.api:app --reload --port 5000
  • Docker: docker compose up --build (约束 5000:5000,安装 ./prompts 只读)。
  • 系统提示始终从以下位置读取 prompts/system_prompt.txt;编辑该文件以更改行为。

环境变量

  • ANTHROPIC_API_KEY:必需,除非 SIMULATE=true.
  • MCP_SERVER_URL:用于工具发现/调用的MCP服务器根。
  • DEFAULT_MODEL:人体模型名称(例如。, claude-3-haiku-20240307).
  • DEFAULT_TEMPERATURE, DEFAULT_MAX_OUTPUT_TOKENS:生成默认值转发给Anthropic。
  • THINKING_ENABLED, THINKING_BUDGET_TOKENS:克劳德“思考”模式的切换和预算。
  • INCLUDE_TOOL_LOGS:如果为真,工具输入/输出将与答案相呼应。
  • SIMULATE:如果为真,跳过Anthropic/MCP并返回预设响应。
  • CLIENT_NAME:发送到MCP服务器的标识符(默认为 mcp-agent-base).
  • MOCK_EMPTY_MCP:如果为true,则在不联系服务器的情况下宣传零MCP工具。

API使用

  • 端点: POST /chat/completions
  • 接受的参数:
  • messages:列表 {role, content} (必填)。
  • stream:bool,默认值 true (控制SSE与一次性JSON)。
  • simulate:可选bool来覆盖 SIMULATE env-var用于单个请求。
  • include_model_info:bool,默认值 false (将模型设置+使用统计数据附加到响应中)。
  • 忽略的参数:模型、温度、max_tokens、top_p、presence_penalty、frequency_panalty、停止、工具、工具选择和其他OpenAI字段。

非流媒体示例:```bash
curl -X POST http://localhost:5000/chat/completions \
-H "Content-Type: application/json" \
-d '{"messages":[{"role":"user","content":"hello"}],"stream":false}'


流媒体(SSE)示例:```bash
curl -N -X POST http://localhost:5000/chat/completions \
-H "Content-Type: application/json" \
-d '{"messages":[{"role":"user","content":"hello"}],"stream":true}'

流媒体产生OpenAI形状 chat.completion.chunk 助手文本、工具调用和工具结果的事件,后面是 data: [DONE].何时 include_model_info=true,最后一个块包括 model_info 对象和结构化增量(例如 tool_calls 和 finish_reason)通过SSE有效载荷。

模拟模式

  • 集 SIMULATE=true 完全绕过Anthropic和MCP并返回罐装字符串 Simulated response. (流媒体仍然会发出OpenAI风格的块)。适用于没有秘密或MCP服务器访问的本地测试。

运行测试

  • 安装dev-deps: pip install -e .[dev]
  • 运行: pytest

项目布局

  • src/base_agent/agent.py --Claude+MCP代理循环(流媒体/工具使用、模拟)。
  • src/base_agent/api.py --FastAPI接线 /chat/completions.
  • src/base_agent/openai_adapter.py --用于格式化SSE和JSON响应的助手,如OpenAI。
  • src/base_agent/mcp_client.py --用于工具发现和调用的瘦MCP客户端。
  • src/base_agent/settings.py --environment/config默认值和系统提示加载器。
  • prompts/system_prompt.txt --系统提示(仅使用源代码)。
  • tests/ --用于Anthropic/MCP的带假货的pytest套件。
  • docker-compose.yml, Dockerfile, .env.example --部署助手。

备注

  • 在请求时发现MCP工具;确保 MCP_SERVER_URL 是可达的。
  • 当 THINKING_ENABLED=true,代理人向克劳德转发了一份思考预算。
  • 该服务在返回错误之前,通过回退重试暂时的MCP/LLM连接失败。

连接到LibreChat

通过将以下内容添加到您的LibreChat中,将代理作为OpenAI兼容的自定义端点连接到LibreChat librechat.yaml:yaml endpoints: custom: - name: "" apiKey: "none" baseURL: "http://:" models: default: [""] titleConvo: true titleModel: "" modelDisplayLabel: ""

集 baseURL 到 http://: 使用此代理运行的同一主机和端口。这 `` 是任意的,将定义端点在LibreChat中的显示方式。

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
MCP Agent Base 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

MCP Agent Base 怎么在 Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Agent Base 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Agent Base 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Agent Base 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Agent Base 能提供哪些能力?

资料显示能力标签包括 API代理、FastAPI、Claude、AI代理。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。